« Back

Mermoud Grégory

Professeur-e HES Associé-e

Main skills

Deep Learning

Highlights

Portfolio

Authored 225+ U.S. patents (published)

Research

Solution IA scalable, explicable, ouverte et éco-conçue de protection contre les menaces avancées par courriel

Research

Domain-Informed System Dynamics Modelling of Tree Growth and Mortality under Changing Climatic Conditions

Main contract

Professeur-e HES Associé-e

Desktop: ENP.23.N317

HES-SO Valais-Wallis - Haute Ecole d'Ingénierie
Rue de l'Industrie 23, 1950 Sion, CH

Faculty
Technique et IT

Main Degree Programme
Informatique et systèmes de communication

Gregory Mermoud is a Professor of Machine Learning (ML), Artificial Intelligence (AI), and large-scale distributed systems. His research lies at the intersection of machine learning, simulation, software engineering, and data science. He teaches computer networking, machine learning and distributed computing.

Gregory has over a decade of industry experience and he was the first Distinguished Engineer at Cisco to be appointed in the area of AI/ML. In this role, he led the development of four flagship products serving thousands of enterprise customers. Gregory authored more than 200+ U.S. patents and many peer-reviewed papers and monographs.

As an engineering leader, he has built and managed large engineering teams, hiring over 50 engineers at Cisco, including many graduates from HES-SO. Outside of work, Gregory is usually hunting steep single trails on his mountain bike, playing the trumpet with his local band, or hiking to a remote mountain hut with his family.

BSC HES-SO en Informatique et systèmes de communication - HES-SO Valais-Wallis - Haute Ecole d'Ingénierie

Réseaux IP
Machine Learning
Data Science

Ongoing

Solution IA scalable, explicable, ouverte et éco-conçue de protection contre les menaces avancées par courriel

Role: Main Applicant

Financement: Innosuisse

Description du projet :

Ce projet vise à développer un moteur de détection des menaces par courriel de nouvelle génération, ciblant spécifiquement les attaques de phishing avancées qui touchent de manière croissante les petites et moyennes entreprises (PME).

Research team within HES-SO: Mermoud Grégory , Racordon Dimi

Partenaires professionnels: Infomaniak

Durée du projet: 01.05.2026 - 30.04.2028

Montant global du projet: 949'725 CHF

Statut: Ongoing

CAPIA: Contrôle Autonome de la Précision des outils de coupe par Intelligence Artificielle

Role: Co-applicant

Financement: Innosuisse

Description du projet :

Le projet CAPIA (Contrôle Autonome de la Précision des outils de coupe par Intelligence Artificielle) vise à développer une machine innovante, pour le contrôle automatique des fraises et micro-fraises en sortie de production. Elle combinera un dispositif optique de haute précision et des algorithmes d’intelligence artificielle afin d’assurer un contrôle fiable, rapide et exhaustif. CAPIA permettra de détecter ébréchures, défauts de géométrie et écarts par rapport au plan de production grâce à la superposition des modèles DXF. Le contrôle des cotes sera réalisé sans contact, éliminant tout risque d’endommagement. L’IA bénéficiera d’un apprentissage continu alimenté par les données de production, améliorant sans cesse ses performances et son adaptation à de nouvelles géométries.

Research team within HES-SO: Mermoud Grégory , Lettry Louis , Extermann Jérôme , Pomarico Enrico

Partenaires professionnels: Eskenazi, Genève

Durée du projet: 01.02.2026 - 31.01.2028

Montant global du projet: 968'714 CHF

Statut: Ongoing

Centre Suisse d'Intelligence Artificielle pour les PME (3ème année: 2024-25)

AGP

Role: Collaborator

Requérant(e)s: FR - EIA - Institut iCoSys, Rumley Sébastien, FR - EIA - Institut iCoSys

Financement: HES-SO Rectorat

Description du projet : L'objectif principal du projet est d'accélérer l'adoption de l'IA dans la transition digitale de nos PME suisses. Le défi socio-économique associé est d'augmenter leur compétitivité, de limiter les délocalisations et de créer de nouvelles compétences à l'interface des laboratoires et de l'utilisation pratique de l'IA. Comme illustré à la Figure 2, l'objectif sera supporté par trois axes complémentaires. Le premier axe est technico-scientifique et vise à combler le « research gap », en amenant les résultats de la recherche en IA au sein des PME. Nous visons le développement d'une palette d'outils qui vont dans cette direction : préparation des données, prototypage rapide, détection de biais, évaluation de modèles, outils de déploiement et d'intégration. De la recherche appliquée est encore nécessaire dans ces domaines, entre autre dans l'assemblage de microservices AI permettant la mise à l'échelle et le devops accélérant l'intégration dans les clouds et les systèmes embarqués. Le couplage benchmarking-optimisation de l'IA, ainsi que la détection automatique de biais sont également des sujets très actifs en recherche fondamentale et pour lesquels une recherche appliquée est nécessaire. Cet axe sera supporté par des partenaires d'infrastructure IT cloud et/ou edge situés en SO, avec pour objectif de faciliter les mises en production, de garantir une sécurité des données sur sol suisse et d'offrir une mise à l'échelle progressive des applications. A ce niveau, Exoscale, Infomaniak, Unit8 ainsi que d'autres entreprises de la Suisse romande ont été approchées, montrant un fort intérêt pour le projet et souhaitant contribuer de façon forte. Le deuxième axe adresse le « PME gap », associé au manque d'une culture orientée données, le data mindset. Nous souhaitons amener des composantes méthodologiques pour identifier les besoins et les cas d'utilisation potentiels de l'IA. Des activités de transfert de connaissances et de transfert technologiques basés sur les outils développés dans l'axe 1 seront développées dans cet axe. Finalement, un service de préparation aux accréditations d'IA sera proposé. Dans le cadre de ce deuxième axe, nous souhaitons ouvrir le projet aux autres domaines de la HES-SO, dont le domaine Économie et Services (années 2-4 du projet). A l'interface et en support de ces deux axes, le troisième axe vise le développement du premier Centre Suisse d'IA pour les PME ' CSIA-PME. Nous souhaitons mettre en réseau les 70 chercheurs actifs en IA sur les 5 sites de la HES-SO en cartographiant leurs expertises. Le CSIA PME a le potentiel d'augmenter le volume des projets IA dans les différents sites et de positionner la HES-SO comme acteur majeur en IA dans le paysage suisse romand. Finalement, le CSIA PME a pour vocation de continuer sa mission au-delà de la durée du projet.

, , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , Research team within HES-SO: Vaccarelli Ornella Gisler Christophe Mermoud Grégory An Aixiu Upegui Posada Andres Bekri David Barry Martin Feuvray Gaspard Coman Andrei Catalin Katsuya Ayumi Montet Frédéric Devènes Steve Hennebert Jean Chapuis Bertil Schürch Todeschini Valérie Santamaria Miguel Gantel Laurent Ghorbel Hatem Zahno Silvan Junod Charlie Guerne Jonathan Zayene Oussama Donzé Célien Amand Axel Casareale Axel Guibert Loïc De Salis Emmanuel Teofanovic Stefan Corpataux Sam Goffinet Edouard Zwick Gaétan Van Hove Timothée Petrucci Andrea Biolley Valentin Scius-Bertrand Anna Carrino Francesco Marques Reis Henrique Marchon Jérémy Kandiah Abivarman Dridi Firas Genoud Lucas Le Gouic Gaspard Rumley Sébastien Brenot Eden Michel Luca Maillard Philippe Wolf Beat Puig Kévin Gambin Dorian Rende Marta Demion Arnaud Delgado Pamela Marquis Rémy Lemer Olivier

Partenaires académiques: VS - Institut Systèmes industriels; IICT; FR - EIA - Institut iCoSys; Analyse de données; HEPIA inTECH; Rumley Sébastien, FR - EIA - Institut iCoSys

Durée du projet: 01.01.2025 - 05.02.2027

Montant global du projet: 745'000 CHF

Statut: Ongoing

Domain-Informed System Dynamics Modelling of Tree Growth and Mortality under Changing Climatic Conditions

Role: Main Applicant

Financement: SNSF

Description du projet :

Climate change is increasingly impacting global forest ecosystems, reducing tree vitality and increasing mortality rates. These changes in turn compromise forests' ability to sequester carbon and regulate water fluxes, creating a positive feedback loop that reinforces and accelerates climate change. Traditionally, tree mortality was observed at the warm and dry edges of species distributions, but recent findings indicate that dieback is occurring even within core climatic areas of affected species. Reduced tree growth and increasing tree crown defoliation are known indicators for mortality risks. Yet, existing modelling approaches fail to capture the non-linear, time-dependent interactions between climatic stressors and tree functioning.On the one hand, traditional ecological models make basic assumptions of linearity and stationarity, which fail to capture the complex, non-linear, and time-dependent interactions between trees and their environment. On the other hand, classical machine learning models often capture spurious correlations that severely limit their generalizability and ability to extrapolate outside of their training domain. The latter limitation makes them unsuitable as decision-making tools under rapidly changing climatic conditions.This project aims to develop a new class of predictive models capable of producing novel insights from existing ecological, physiological, and climatic data. Unlike purely statistical or correlative machine learning models, our approach will combine mechanistic knowledge with deep neural networks in an end-to-end differentiable framework. The model will incorporate observed variables from the ICP Forests Level 1 and 2 networks, remote sensing indices (NDVI), and climatic data to improve predictions of tree mortality and resilience, both in terms of accuracy and explainability. One specific objective of the project is to produce models that reliably extrapolate their predictions to hypothesized climatic or management scenarios.This project is expected to advance forest modelling by overcoming limitations of current statistical and machine learning approaches, offering improved prediction accuracy and mechanistic understanding. Insights from this project will inform adaptive forest management strategies that optimize carbon sequestration and mitigate the adverse effects of climate change on forest ecosystems. Our findings will support global efforts in climate change mitigation by enhancing forest resilience and preserving biodiversity.By integrating ecological knowledge with advanced modelling, we aim to significantly improve how tree growth and mortality are predicted, both from a quantitative and qualitative point of view. This effort therefore is a critical step towards more evidence-based conservation and management practices.

Research team within HES-SO: Mermoud Grégory , Givi Glory Mary , Travelletti Cédric

Partenaires académiques: Arthur Gessler, Swiss Federal Research Institute WSL

Montant global du projet: 100'000 CHF

Url of the project site: https://data.snf.ch/grants/grant/237270

Statut: Ongoing

Achievements

Sans date

Authored 225+ U.S. patents (published)

2026 ; Publications

Collaborateurs: Mermoud Grégory

Link to the achievement

I authored more than 225 U.S. patents in the area of distributed and artificial intelligence.

PEOPLE@HES-SO
Directory and Skills inventory

Mermoud Grégory

Professeur-e HES Associé-e

Main skills

Machine Learning

Vision Language Models

Modeling and simulation

Artificial Intelligence (AI)

Deep Learning

Highlights

Professeur-e HES Associé-e

PEOPLE@HES-SO Directory and Skills inventory

Mermoud Grégory

Professeur-e HES Associé-e

Main skills

Machine Learning

Vision Language Models

Modeling and simulation

Artificial Intelligence (AI)

Deep Learning

Highlights

Professeur-e HES Associé-e

PEOPLE@HES-SO
Directory and Skills inventory